Page 153 - 道路桥梁工程施工探究

第六章 测量机器人在桥梁工程中的应用

机和任务舵机（拍照、开关等操作），电机驱动动力系统提供推力和拉力。

三、关键技术

（一）定位与建图
GNSS 技术通过无线电信号进行定位，能够确定全局坐标系下移动平台的位
置和速度，在理想情况下定位精度可以达到厘米级，被广泛地应用于机器人领域。
但是由于测量机器人工作范围存在大量 GNSS 拒止环境，因此为了实现测量机器
人在这些环境下的稳定定位，需要使用同步定位与建图（simultaneous localization

and mapping，SLAM）技术。SLAM 技术在构建环境地图的同时完成对机器人的
定位，统一了定位与建图问题。
经典的 SLAM 技术系统主要由前端与后端组成，前端的任务是通过对传感

器数据处理，建立数据关联，估计数据帧间的相对位姿变化，完成机器人的运动
及局部地图的重建。而后端通过接收前端输送的关联数据，对其进行优化，估计
整个系统的状态，并向前端提供反馈，以进行回环检测和验证，最终得到全局一
致的轨迹和地图。根据使用的主要传感器不同，SLAM 系统可以分为以下 3 种：

基于激光雷达的 SLAM、基于视觉的 SLAM 和多传感器融合 SLAM。
基于激光的 SLAM 技术通过对不同时刻的点云进行匹配与优化，计算激光
雷达相对运动的距离和姿态，实现对机器人的定位和建图。激光 SLAM 研究在
理论和工程上都比较成熟，具有制图精度高、稳定性强、不受外界光照影响等优点。

基于视觉的 SLAM 技术主要是通过对连续的图像数据进行位姿估计和后端优化，
完成定位并建立满足任务要求的地图。相较于激光雷达，摄像头的成本低、探测
距离远，此外视觉传感器采集的图像信息比激光雷达扫描的信息丰富，可以提取
目标纹理信息，有利于后期处理。但是，无论从适用场景、累计误差还是定位和

建图精度等问题，激光和视觉传感器的单独使用都存在其局限性。基于多传感器
融合的 SLAM 算法，利用卡尔曼滤波或图优化等技术对不同传感器的数据进行
结合，实现多传感器之间的优势互补。常见的融合算法可以分为松耦合和紧耦合
两大类。松耦合是指各传感器分别进行自身估计，然后对其位姿估计结果融合。

相较于松耦合算法，紧耦合将各传感器的状态合并，共同构建观测和运动模型，
消除了直接在位姿层面融合造成的信息损失，可以实现更高的定位和建图精度。
因此，基于紧耦合的融合算法是目前多传感器 SLAM 研究的主流方向。

139